實(shí)戰(zhàn)數(shù)據(jù)分析與數(shù)據(jù)指標(biāo)體系搭建

實(shí)戰(zhàn)數(shù)據(jù)分析與數(shù)據(jù)指標(biāo)體系搭建筆者支付產(chǎn)品經(jīng)理，本文內(nèi)容基于自己從事支付領(lǐng)域從0到1搭建支付業(yè)務(wù)數(shù)據(jù)分析實(shí)戰(zhàn)經(jīng)驗(yàn)。從一個小白接觸支付業(yè)務(wù)，毫無章法胡亂看數(shù)據(jù)，到開始有點(diǎn)門道看表層數(shù)據(jù)，再到此篇文章輸出的成體系的數(shù)據(jù)分析系列篇章，前后經(jīng)歷了2年多時(shí)間。此篇文章內(nèi)容皆為當(dāng)前階段認(rèn)知，并不全面，后續(xù)肯定會持續(xù)做迭代更新。本文分四部分內(nèi)容：一、為什么需要數(shù)據(jù)分析二、數(shù)據(jù)分析的框架三、數(shù)據(jù)指標(biāo)體系搭建四、數(shù)據(jù)呈現(xiàn)之?dāng)?shù)據(jù)分析方法01為什么需要數(shù)據(jù)分析數(shù)據(jù)分析的重要性不言而喻，沒有數(shù)據(jù)，就是感性呀。你說你做完這個功能可以獲得什么價(jià)值回報(bào)，沒有數(shù)據(jù)支撐，太過蒼白無力，沒人信服你。但是只要你說，你做完這個項(xiàng)目，可以提升訂單轉(zhuǎn)化率多少個點(diǎn)，并且信誓旦旦講，那沒有人不會不理你。畢竟，這是赤裸裸的錢，誰不愛錢呢。數(shù)據(jù)不會被觀點(diǎn)打敗，數(shù)據(jù)只能被數(shù)據(jù)打敗。人家拿數(shù)據(jù)得出的結(jié)論，跟你的直覺再對不上，你心里再不服氣，想反駁，也必須拿數(shù)據(jù)說話。我們現(xiàn)在妥妥地已經(jīng)進(jìn)入了數(shù)據(jù)時(shí)代?；ヂ?lián)網(wǎng)公司，無一例外地強(qiáng)調(diào)自己的數(shù)據(jù)驅(qū)動決策；傳統(tǒng)企業(yè)，現(xiàn)在最重要的戰(zhàn)略就是數(shù)字化轉(zhuǎn)型。相信今天你能感覺得到，數(shù)據(jù)在我們的工作和生活中，已經(jīng)成了空氣和水一樣的存在。數(shù)據(jù)思維或者數(shù)據(jù)分析能力已經(jīng)成為這個時(shí)代的必須，不是可選。那么數(shù)據(jù)分析為何如此重要呢，我從以下4點(diǎn)來闡述。這些場景也是日常發(fā)生在我實(shí)際工作中的，我們用數(shù)據(jù)每天來做各種分析、洞察或者決策。1.量化IT投資成效，以數(shù)據(jù)驅(qū)動決策無論哪家公司開發(fā)資源永遠(yuǎn)不夠，每個產(chǎn)品經(jīng)理都想爭取開發(fā)資源做自己的項(xiàng)目，說自己項(xiàng)目更有價(jià)值。如何評估優(yōu)先級，數(shù)據(jù)來說話。站在公司或者決策者角度，數(shù)據(jù)最本質(zhì)的作用，是作為資源調(diào)配的裁判，幫我們用最客觀的方式將資源投到最有價(jià)值的事情上。目前我所在公司運(yùn)轉(zhuǎn)方式為：年初制定年度KPI，如轉(zhuǎn)化率或者用戶滿意度，那么接下來一年內(nèi)所有產(chǎn)品經(jīng)理運(yùn)行的項(xiàng)目將按照這個指標(biāo)來。產(chǎn)品經(jīng)理A和產(chǎn)品經(jīng)理B同時(shí)啟動了自己的項(xiàng)目，那么IT資源投到誰的項(xiàng)目上，A和B需要去做項(xiàng)目ROI的論述。誰的ROI更高，業(yè)務(wù)總負(fù)責(zé)人就同意將資源調(diào)配到哪個項(xiàng)目上，這樣A和B都沒什么話說，IT資源也將被用在刀刃上，減少資源浪費(fèi)。產(chǎn)品經(jīng)理在論述項(xiàng)目價(jià)值時(shí)，采用自下而上的論證方式。比如說這個項(xiàng)目要完成哪些功能，功能1、功能2、功能3……每個功能帶可以帶來多大的價(jià)值，如轉(zhuǎn)化率可以提升多少，這些都來自數(shù)據(jù)。有時(shí)候我們以為的很大項(xiàng)目價(jià)值經(jīng)這種層層靈魂拷問，最后驗(yàn)證預(yù)估價(jià)值不大，在早期就能減少資源浪費(fèi)，而不是真的要等到功能上線才發(fā)現(xiàn)對業(yè)務(wù)價(jià)值幫助不大，那時(shí)候開發(fā)資源已被浪費(fèi)。如果你一直抱著項(xiàng)目上線后看真實(shí)數(shù)據(jù)反饋，除非你家開金礦的，可以容忍不斷做嘗試創(chuàng)新類實(shí)驗(yàn)。運(yùn)氣好成功了，大家都開心；運(yùn)氣不好，大家失敗了，不怕，反正家里開金礦，大不了重頭再來。但是，我想這應(yīng)該是個偽命題。今日頭條系產(chǎn)品為何能快速發(fā)展？它們的產(chǎn)品方法論是什么？今日頭條是一家流量運(yùn)作公司，對流量ROI的運(yùn)用純熟度與效率非常高。依賴強(qiáng)大的數(shù)據(jù)和算法系統(tǒng)，通過ABtest同時(shí)運(yùn)行幾千條功能測試，用最短的時(shí)間去找出最有價(jià)值的業(yè)務(wù)方向，得到結(jié)論后，快速推出市場，搶占先機(jī)。中國互聯(lián)網(wǎng)已經(jīng)進(jìn)入到一個獲取流量成本很高的時(shí)代，企業(yè)并沒有那么多容錯機(jī)會給到大家不斷嘗試試錯。要提高決策準(zhǔn)確性，主要依賴數(shù)據(jù)論證。2.通過數(shù)據(jù)分析驗(yàn)證產(chǎn)品成效你在面試時(shí)，你說你牛逼。如何叫人信服你？你說你牛逼，你就真牛逼？相信大家已經(jīng)習(xí)慣了小套路，說自己曾經(jīng)做的某個項(xiàng)目轉(zhuǎn)化率提高了多少個點(diǎn)之類的。實(shí)際上，在我們做的每個項(xiàng)目或者功能中，都應(yīng)該用數(shù)據(jù)來驗(yàn)證產(chǎn)品成效。電商網(wǎng)站的收銀臺大家耳熟能詳，比如以下：參照國內(nèi)競品調(diào)研和產(chǎn)品交互設(shè)計(jì)師自以為的產(chǎn)品目標(biāo)：給用戶傳遞安全感——通過增加底部“確認(rèn)支付”按鈕來實(shí)現(xiàn)。實(shí)際上線效果卻不盡如意，新版本比老版本跌了3個點(diǎn)左右。事后我們反思了整個過程，得到一些啟發(fā)：支付需要用戶沖動型消費(fèi)，不需要用戶那么理性思考。按鈕操作，讓用戶有種儀式感，反而增加了用戶猶豫心理。比如淘寶換成了指紋支付，或者刷臉支付，轉(zhuǎn)化率會提高。我作為用戶，使用了淘寶指紋支付后，下單支付快了很多。我也有同事，一不小心刷臉支付后，就懶得再發(fā)起退款了~支付產(chǎn)品的核心是：安全和快捷。如果品牌背書，用戶已經(jīng)覺得安全，那么接下來就是快！去掉按鈕才是讓用戶有快速支付的感覺。于是，我們又花了一些時(shí)間，去掉底部“確認(rèn)支付”按鈕，用戶選擇支付方式就可以進(jìn)到支付環(huán)節(jié)，轉(zhuǎn)化率竟然又提升了！去掉了底部“確認(rèn)支付”按鈕整個團(tuán)隊(duì)從這個案例中都得到較大感觸，充分體現(xiàn)了我們自以為更好的方案對用戶或者從業(yè)務(wù)角度并不是最好的。如果沒有數(shù)據(jù)來驗(yàn)證，我們還會一直停留在自己覺得設(shè)計(jì)很好的功能中自嗨！用ABtest測功能，用數(shù)據(jù)來驗(yàn)證功能成效是最有說服力的手段。3.通過數(shù)據(jù)分析洞察用戶用戶研究是產(chǎn)品經(jīng)理必須要去做的一件事，懂用戶，挖痛點(diǎn)，給方案。用戶研究常用的方法除了用戶訪談、調(diào)查問卷等定性研究外。從已存數(shù)據(jù)中發(fā)現(xiàn)用戶的行為偏好，建立數(shù)據(jù)與用戶畫像之間的關(guān)聯(lián)，針對不同人群需求或者痛點(diǎn)給出合理的產(chǎn)品解決方案也是數(shù)據(jù)驅(qū)動決策的手段。比如從歷史訂單數(shù)據(jù)中，挖掘新老用戶購買商品的偏好，可以針對新老用戶群體做個性化的商品推薦，這也是大家能夠感知到的電商產(chǎn)品推薦。你去逛淘寶首頁，是不是會覺得淘寶比自己還懂自己？給自己推薦的大部分商品是自己喜歡的。通常對用戶歷史行為數(shù)據(jù)收集越詳細(xì)，越是能夠了解用戶，為用戶做出合理的產(chǎn)品設(shè)計(jì)。為什么人們總說作為電商平臺和支付平臺的阿里有最完整的行為數(shù)據(jù)乃至最完整的人群畫像，那是因?yàn)楦鶕?jù)生活消費(fèi)的商品和服務(wù)，幾乎能夠推斷一個人全部的特征，而越是習(xí)慣網(wǎng)上購物的用戶，衣食住行都用同一個支付手段的用戶，就越能夠被電商和支付平臺完整描述。產(chǎn)品在做產(chǎn)品功能設(shè)計(jì)時(shí)，并不只是單純?yōu)橛脩籼峁┕δ芎头?wù)就可以，理所當(dāng)然以為用戶會來使用。定要對用戶需求或者痛點(diǎn)挖掘地足夠深，才能精準(zhǔn)提供服務(wù)。從過去已存數(shù)據(jù)中挖掘用戶行為偏好或者痛點(diǎn)，是產(chǎn)品設(shè)計(jì)的第一步。這里借用《產(chǎn)品思維》一書中提到的例子。我們是一個創(chuàng)業(yè)小團(tuán)隊(duì)，正在做一個P2P（個人對個人）金融產(chǎn)品。平臺上已經(jīng)有了一定量的用戶，他們購買了我們的理財(cái)產(chǎn)品。我們正在考慮要不要增加VIP（貴賓）套餐服務(wù)，定位高價(jià)值用戶，定向提供理財(cái)顧問服務(wù)。我們會請?jiān)S多專家，提供很多額外的分析工具，讓這些用戶享受高端服務(wù)，贏利方式就是VIP年費(fèi)。單拿這個服務(wù)來看，肯定是沒有什么問題的。“許多類似的產(chǎn)品都有這樣的服務(wù)?！币苍S老板就會這么跟你說。但這不能成為我們就一定要提供VIP套餐服務(wù)的理由，我們還是要看看我們的用戶是什么樣的?？梢韵冉y(tǒng)計(jì)下當(dāng)前用戶購買理財(cái)產(chǎn)品的行為數(shù)據(jù)，看看大部分買的額度有多大。其實(shí)，額度背后代表的是這些用戶的收入水平和對理財(cái)?shù)膽B(tài)度。比如粗暴一點(diǎn)假設(shè)，我們看用戶的行為，過去99%的用戶都是奔著投資5萬元，鎖定期6個月，年化收益率5%的產(chǎn)品去的。這些行為代表什么呢？從生活經(jīng)驗(yàn)判斷，對年化收益率要求不高，對流動性也要求不高，對安全性要求比較高的人，應(yīng)該都是普通的上班族。這些人在理財(cái)方面非常保守，而且還比較年輕，理財(cái)額度并不高。具體的驗(yàn)證可以通過訪談和調(diào)研來完成。假如結(jié)果顯示，這些用戶群體基本都是畢業(yè)三年內(nèi)的職場新人，理財(cái)行為非常保守，而且還比較年輕，理財(cái)額度并不高。這時(shí)回過頭來看，這個VIP套餐服務(wù)的吸引力就特別有限了。僅從用戶特征來看，幾乎就可以給這個創(chuàng)意判死刑了。從已存數(shù)據(jù)中分析用戶需求或者痛點(diǎn)，找到用戶行為偏好，精細(xì)化用戶群體，了解用戶，才能判斷業(yè)務(wù)模式的可行性。而不是理所當(dāng)然覺得用戶會使用這個功能。4.通過數(shù)據(jù)分析找到機(jī)會點(diǎn)在剛做支付業(yè)務(wù)時(shí)，首先就對Top10、各端做了支付成功率分析，很快就發(fā)現(xiàn)某些國家的轉(zhuǎn)化率是低于其他國家的，自此這些國家被列為重點(diǎn)和困難國家。我們的機(jī)會點(diǎn)也是優(yōu)先提高這些國家的支付轉(zhuǎn)化率。再比如做商城購物流程優(yōu)化項(xiàng)目時(shí)，首先拉取了商詳頁-購物車-結(jié)算頁-收銀臺-支付成功發(fā)現(xiàn)商詳頁和結(jié)算頁轉(zhuǎn)化率兩個環(huán)節(jié)在整個路徑中轉(zhuǎn)化率最低，因此馬上定出了事項(xiàng)優(yōu)先級，優(yōu)先解決這兩個頁面的轉(zhuǎn)化問題。職場中如何價(jià)值最大化？可不就是發(fā)現(xiàn)最嚴(yán)重的問題，找到最大的機(jī)會點(diǎn)，把資源用在刀刃上。5.結(jié)語管理大師德魯克說：“不能衡量，就無法管理?！碑a(chǎn)品經(jīng)理完拍腦袋、憑感覺、憑經(jīng)驗(yàn)做決策的時(shí)代已經(jīng)過去了。如果你還沒有數(shù)據(jù)思維或者數(shù)據(jù)分析相關(guān)的能力，被時(shí)代淘汰真的是，早晚的事！產(chǎn)品經(jīng)理不需要成為數(shù)據(jù)分析方面的專家，但什么時(shí)候分析數(shù)據(jù)、分析哪些數(shù)據(jù)、如何分析數(shù)據(jù)、如何用數(shù)據(jù)輔助決策、如何用數(shù)據(jù)驅(qū)動業(yè)務(wù)，這些問題是產(chǎn)品經(jīng)理必須要回答的。02數(shù)據(jù)分析的框架我以支付業(yè)務(wù)為例來講解。用戶來到支付收銀臺后，在頁面上有很多點(diǎn)擊行為，比如選擇各種支付方式，微信支付、ApplePay支付等最后完成支付，也有可能點(diǎn)擊左上角返回鍵或者右上角訂單中心離開當(dāng)前頁面。這個過程會產(chǎn)生很多數(shù)據(jù)，從數(shù)據(jù)大類上分成：用戶數(shù)據(jù)、行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)。誰（用戶數(shù)據(jù)）做了什么（行為數(shù)據(jù)）結(jié)果如何（業(yè)務(wù)數(shù)據(jù)）？用戶數(shù)據(jù)指用戶本身的特性，如用戶畫像，使用你產(chǎn)品的用戶男性多還是女性多，年齡多大等。行為數(shù)據(jù)指用戶使用產(chǎn)品在頁面上的各種點(diǎn)擊行為，在頁面上停留時(shí)長等。業(yè)務(wù)數(shù)據(jù)指用戶行為之后，實(shí)際產(chǎn)生的結(jié)果，業(yè)務(wù)數(shù)據(jù)會落庫業(yè)務(wù)數(shù)據(jù)表。分析業(yè)務(wù)數(shù)據(jù)的意義，可以衡量商業(yè)價(jià)值，是業(yè)務(wù)最終呈現(xiàn)結(jié)果，用以推動公司業(yè)務(wù)的發(fā)展。用戶數(shù)據(jù)和行為數(shù)據(jù)通?？梢詮牡谌綌?shù)據(jù)工具，如友盟、GoogleAnalytics直接獲取，業(yè)務(wù)數(shù)據(jù)一般要內(nèi)部建設(shè)。今天重點(diǎn)講業(yè)務(wù)數(shù)據(jù)搭建完整過程，以阿里云的QuickBI為例。在整個數(shù)據(jù)分析的框架中，分為五大層次，依次是：數(shù)據(jù)生成、獲取數(shù)據(jù)、數(shù)據(jù)建模、數(shù)據(jù)分析和數(shù)據(jù)應(yīng)用。1.數(shù)據(jù)生成還是以支付業(yè)務(wù)為例，用戶選擇支付方式完成支付后，落庫核心的兩張業(yè)務(wù)表：訂單表和交易表。一個訂單會對應(yīng)多筆交易（每選擇一種支付方式生成一筆交易，一筆訂單可以使用多個支付方式嘗試支付），其實(shí)還會產(chǎn)生其他表，比如收貨地址表等。2.獲取數(shù)據(jù)通常使用第三方工具如ETL將業(yè)務(wù)系統(tǒng)的數(shù)據(jù)經(jīng)過抽取（Extract）、清洗轉(zhuǎn)換（Transform）之后加載（Load）到數(shù)據(jù)倉庫的過程，數(shù)據(jù)呈現(xiàn)在BI的數(shù)據(jù)源。3.數(shù)據(jù)建模所有數(shù)據(jù)進(jìn)到數(shù)倉以后，需要根據(jù)實(shí)際想要看的業(yè)務(wù)數(shù)據(jù)進(jìn)行數(shù)據(jù)建模，建模后的數(shù)據(jù)呈現(xiàn)在數(shù)據(jù)集。數(shù)據(jù)集作為數(shù)據(jù)源和可視化展示的中間環(huán)節(jié)，承接數(shù)據(jù)源的輸入，并為可視化展示輸出數(shù)據(jù)表。4.構(gòu)建數(shù)據(jù)模型數(shù)據(jù)建模是什么含義呢？底層的業(yè)務(wù)數(shù)據(jù)表其實(shí)很多，幾十張上百張都有，但到了業(yè)務(wù)數(shù)據(jù)分析階段，當(dāng)需要分析的數(shù)據(jù)存儲在不同的表，可以通過數(shù)據(jù)關(guān)聯(lián)，把多個表連接起來，形成模型進(jìn)行數(shù)據(jù)分析。比如上述的業(yè)務(wù)底層訂單表到了數(shù)據(jù)分析階段衍生的訂單表字段發(fā)生變化，name和city是從業(yè)務(wù)地址表取來的數(shù)據(jù)?？偟膩碚f，數(shù)據(jù)模型是完全面向數(shù)據(jù)分析的業(yè)務(wù)場景形成的新表。以支付業(yè)務(wù)為例，我構(gòu)建的數(shù)據(jù)模型有：用戶表、訂單表和交易表。5.設(shè)計(jì)維度和度量指標(biāo)對數(shù)據(jù)字段可以進(jìn)行下一步分類：維度（Dimensions）度量（Measures）在統(tǒng)計(jì)學(xué)中，單一數(shù)據(jù)字段可以被分為離散和連續(xù)。離散通常是維度，比如城市名稱、用戶名字，特征是有限數(shù)量的值；連續(xù)通常是度量，比如銷量、利潤或成功率，特征是不可羅列，可能為任一數(shù)值。維度和度量中有許多灰色區(qū)域，比如金額，可以做維度，也可以做度量。在上述訂單表中，device、city等是維度，對order_id計(jì)數(shù)的總訂單數(shù)、對status=success計(jì)數(shù)的成功訂單數(shù)是度量。度量可以再分原子度量和派生度量。原子度量指從維度里直接獲取到，上表中的總訂單數(shù)和成功訂單數(shù)。派生度量并不能直接從數(shù)據(jù)表中獲取，而需要基于已有數(shù)據(jù)進(jìn)行加工處理得到，上表中的訂單成功率是成功訂單數(shù)/總訂單數(shù)得到。6.數(shù)據(jù)分析有了維度和度量的概念后，接著引入聚合概念。對于數(shù)據(jù)分析來說，往往關(guān)心的并不是最底層一行一行的的明細(xì)數(shù)據(jù)，更注重分析數(shù)據(jù)的角度，關(guān)心的是數(shù)據(jù)的總體特征。聚合，簡單講就是數(shù)據(jù)源里的多行數(shù)據(jù)按照一定的標(biāo)準(zhǔn)計(jì)算成一個數(shù)據(jù)，不管數(shù)據(jù)集里有1行還是多行，視圖里的數(shù)據(jù)都是聚合后的結(jié)果，一行數(shù)據(jù)也是要聚合的，當(dāng)然一行數(shù)據(jù)聚合的結(jié)果是一樣的。實(shí)際上，維度為數(shù)據(jù)聚合提供依據(jù)，而度量是依據(jù)維度聚合得到的結(jié)果。配置了聚合計(jì)算的計(jì)算字段，將根據(jù)配置的維度自動進(jìn)行聚合運(yùn)算。如：求和：SUM([字段])計(jì)數(shù)：COUNT([字段])計(jì)數(shù)去重：COUNT(DISTINCT[字段])求平均值：AVG([字段])表述的業(yè)務(wù)含義為時(shí)間周圍為2021.3.1~2021.3.15范圍內(nèi)pc端的訂單成功率為0.5。計(jì)算過程：根據(jù)created_at=2021.3.1~2021.3.15和device=pc，SUM([總訂單數(shù)])=2，SUM([成功訂單數(shù)])=1，SUM([成功訂單數(shù)])/SUM([總訂單數(shù)])=1/2=0.5。QuickBI提供電子表格和儀表盤兩種可視化工具做以上分析。電子表格：通過可視化的圖標(biāo)去分析數(shù)據(jù)，找出機(jī)會點(diǎn)或者異常。7.數(shù)據(jù)應(yīng)用通過可視化的圖表去分析數(shù)據(jù)，找出機(jī)會點(diǎn)或者異常?？梢哉f，前面1、2、3、4所有的工作都在為了第5部分?jǐn)?shù)據(jù)應(yīng)用上。數(shù)據(jù)從用戶中來，通過一系列的數(shù)據(jù)沉淀、處理和分析找出機(jī)會點(diǎn)做決策再回到用戶中去，提升用戶體驗(yàn)，帶動業(yè)務(wù)增長，此即數(shù)據(jù)驅(qū)動業(yè)務(wù)。8.結(jié)語本Part介紹了分析數(shù)據(jù)的數(shù)據(jù)框架拆解、數(shù)據(jù)處理加工過程。但是海量數(shù)據(jù)怎么看，看哪些？度量指標(biāo)應(yīng)該怎么設(shè)計(jì)，度量指標(biāo)中什么是業(yè)務(wù)的北極星指標(biāo)等此文還沒提到，在第三部分?jǐn)?shù)據(jù)指標(biāo)體系設(shè)計(jì)中講解。03數(shù)據(jù)分析|數(shù)據(jù)指標(biāo)體系設(shè)計(jì)接著來講數(shù)據(jù)指標(biāo)體系設(shè)計(jì)，是整個數(shù)據(jù)分析篇章中最核心的內(nèi)容。在上文中講到，我把數(shù)據(jù)分為：用戶數(shù)據(jù)、行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)，再往下又分了維度和度量兩個概念。盡管如此，維度也好，度量也罷，都會產(chǎn)生很多散落的數(shù)據(jù)，你并不知道數(shù)據(jù)與數(shù)據(jù)之間的關(guān)聯(lián)性，也不知道眾多數(shù)據(jù)中什么是最核心的，什么最能表示業(yè)務(wù)最終呈現(xiàn)效果或者哪個數(shù)據(jù)指標(biāo)表示目標(biāo)達(dá)到。數(shù)據(jù)與數(shù)據(jù)之間的關(guān)聯(lián)性或者相關(guān)邏輯性稱作數(shù)據(jù)指標(biāo)體系。指標(biāo)體系指將零散單點(diǎn)的具有相互聯(lián)系的指標(biāo)，系統(tǒng)化的組織起來，通過單點(diǎn)看全局，通過全局解決單點(diǎn)的問題。說白了就是找個框架把所有的數(shù)據(jù)以一定的邏輯性組裝起來，框架也即數(shù)據(jù)模型。此篇文章針對用戶數(shù)據(jù)、行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)分別給出代表性模型，用以各自領(lǐng)域的數(shù)據(jù)分析。1.用戶數(shù)據(jù)之AARRR模型提到用戶本身，馬上會想到經(jīng)典的AARRR模型，即獲取用戶（Acquisition）、提高活躍（Activation）、提高留存率（Retention）、獲取營收（Revenue）和自傳播（Referral）。每個環(huán)節(jié)都有這個環(huán)節(jié)應(yīng)該關(guān)注的指標(biāo)，這些環(huán)節(jié)并不一定遵循嚴(yán)格的先后順序。獲?。ˋcquisition）：用戶如何發(fā)現(xiàn)（并來到）你的產(chǎn)品？激活（Activation）：用戶的第一次使用體驗(yàn)如何？留存（Retention）：用戶是否還會回到產(chǎn)品（重復(fù)使用）？收入（Revenue）：產(chǎn)品怎樣（通過用戶）賺錢？傳播（Refer）：用戶是否愿意告訴其他用戶？AARRR模型是非常經(jīng)典的用戶分析模型，且需要結(jié)合具體業(yè)務(wù)展開來講，這里不做過多描述。2.行為數(shù)據(jù)之UJM+OSM模型UJM即User-Journey-Map，用戶旅程地圖模型；OSM分別指目標(biāo)、策略和衡量，Objective-Strategy-Measurement。UJM+OSM，通過拆分用戶使用產(chǎn)品的階段性行為，從中挖掘用戶的需求，在每個階段確定能夠提升的指標(biāo)，將用戶旅程和業(yè)務(wù)目標(biāo)結(jié)合起來。目標(biāo)（Objective）指業(yè)務(wù)目標(biāo)。業(yè)務(wù)或者產(chǎn)品，存在的目的是什么、能夠解決用戶什么問題、滿足用戶什么需求？如上述業(yè)務(wù)目標(biāo)為購買轉(zhuǎn)化率，購買轉(zhuǎn)化率越高，說明用戶體驗(yàn)越佳，商業(yè)價(jià)值越高。策略（Strategy）指為了達(dá)到業(yè)務(wù)目標(biāo)，應(yīng)當(dāng)采取什么策略。如上述為了提升用戶首頁-商詳轉(zhuǎn)化，策略1可以為視覺提升、策略3可以為交互流程改善等。策略1的視覺提升可以進(jìn)一步拆解為頁面整體顏色、卡片樣式等。衡量（Measurement）：用來衡量策略的有效性，反映策略執(zhí)行是否能達(dá)成業(yè)務(wù)目標(biāo)的度量指標(biāo)。如上述首頁轉(zhuǎn)化率可以為進(jìn)到首頁用戶數(shù)轉(zhuǎn)化到商品詳情頁的用戶數(shù)，轉(zhuǎn)化率越高，說明用戶對首頁青睞度越高，首頁的產(chǎn)品呈現(xiàn)內(nèi)容越有效?；谟脩舻男袨槁窂絹聿鸾饽繕?biāo)，對于每個子目標(biāo)找到最終可落地的方案，啟動項(xiàng)目\需求，通過用戶功能滿足達(dá)到最終的業(yè)務(wù)目標(biāo)。如購買轉(zhuǎn)化率目標(biāo)為提升15%，那么估算首頁改版項(xiàng)目提升的目標(biāo)為8%，商詳改版項(xiàng)目提升的目標(biāo)為5%，下單結(jié)算改版項(xiàng)目提升的目標(biāo)為3%，收銀支付改版項(xiàng)目提升的目標(biāo)為2%。按照價(jià)值從高到低依次投入開發(fā)資源去實(shí)現(xiàn)目標(biāo)，項(xiàng)目上線后再復(fù)核業(yè)務(wù)目標(biāo)是否達(dá)成，若未達(dá)成，進(jìn)行差距分析。3.業(yè)務(wù)數(shù)據(jù)之指標(biāo)分層談到業(yè)務(wù)數(shù)據(jù)時(shí)開始涉及角色的問題，業(yè)務(wù)和產(chǎn)品的角色分工，不同的角色在不同的場景下關(guān)注的指標(biāo)并不相同?；诖耍婚_始就把指標(biāo)進(jìn)行分層級，分為業(yè)務(wù)、產(chǎn)品和流程三個層級，業(yè)務(wù)關(guān)注業(yè)務(wù)的，產(chǎn)品關(guān)注產(chǎn)品的。不同層級的指標(biāo)有不同的思考維度和分析方法。以支付業(yè)務(wù)為例，先明確指標(biāo)層級后，根據(jù)指標(biāo)設(shè)計(jì)原則，去做關(guān)鍵指標(biāo)的拆解，一級指標(biāo)可以拆解到二級指標(biāo)，二級指標(biāo)還可以繼續(xù)拆解到三級指標(biāo)等等。業(yè)務(wù)層級的指標(biāo)用來衡量商業(yè)層面的客戶發(fā)展、增長與獲利、競爭力與盈利能力等。業(yè)務(wù)從用戶那里掙錢，需要通過產(chǎn)品作為載體或媒介，互聯(lián)網(wǎng)產(chǎn)品的使命是利用技術(shù)賦能業(yè)務(wù)，幫助企業(yè)降本增效。所以談到產(chǎn)品，需要去思考產(chǎn)品定位、產(chǎn)品能提供的核心價(jià)值、產(chǎn)品帶給用戶的產(chǎn)品使用體驗(yàn)、產(chǎn)品如何實(shí)現(xiàn)業(yè)務(wù)目標(biāo)。進(jìn)一步細(xì)化，一個產(chǎn)品往往有著很多功能，承載著不同的用戶交互步驟或操作流程。梳理并整理出整個轉(zhuǎn)化流程中各個關(guān)鍵節(jié)點(diǎn)，去實(shí)現(xiàn)產(chǎn)品的核心指標(biāo)。從業(yè)務(wù)模式，到根據(jù)產(chǎn)品的價(jià)值與體驗(yàn)，再分解到具體流程的步驟效率。這提供了一種縱向的，自上而下、由粗到細(xì)的分析模型，在每一個層級上，又會有不同關(guān)注點(diǎn)和類別的指標(biāo)。以數(shù)據(jù)為基礎(chǔ)，主導(dǎo)產(chǎn)品布局，拆解流程步驟，賦能業(yè)務(wù)增長。4.結(jié)語本Part從用戶數(shù)據(jù)、行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)三方面介紹了3個數(shù)據(jù)指標(biāo)體系模型。特別說明的是，文中提到的AARRR模型、UJM+OSM模型、指標(biāo)分層3個數(shù)據(jù)模型僅舉例說明，實(shí)際還有更多模型，如PLC、HEART、GSM、PTECH模型等等，需在不同場景下評估綜合使用。但不管什么數(shù)據(jù)模型，核心都在于找到數(shù)據(jù)與數(shù)據(jù)之間的關(guān)聯(lián)性，從海量數(shù)據(jù)中找出最核心的數(shù)據(jù)指標(biāo)用以衡量目標(biāo)是否達(dá)到，以系統(tǒng)和結(jié)構(gòu)化視角思維來看數(shù)據(jù)分析。04數(shù)據(jù)呈現(xiàn)之?dāng)?shù)據(jù)分析方法今天來講數(shù)據(jù)分析的第四篇文章數(shù)據(jù)呈現(xiàn)之?dāng)?shù)據(jù)分析方法，是整個數(shù)據(jù)分析篇章中最后一部分內(nèi)容。在前面第二部分、第三部分文章中，我們講了數(shù)據(jù)生成-獲取數(shù)據(jù)-數(shù)據(jù)建模-數(shù)據(jù)指標(biāo)搭建這樣漫長的數(shù)據(jù)加工處理過程，到最后一步便是數(shù)據(jù)呈現(xiàn)和從數(shù)據(jù)中挖掘出來的問題或者機(jī)會點(diǎn)的數(shù)據(jù)應(yīng)用。有句話調(diào)侃講，辛苦干活兒一年還比不過一個做PPT的，同樣適用數(shù)據(jù)分析。如果前面做了大量數(shù)據(jù)加工處理工作，但是最后不會做數(shù)據(jù)分析和數(shù)據(jù)呈現(xiàn)，挖掘不到問題和機(jī)會點(diǎn)，那么前面的工作將白費(fèi)。（或者說前面的工作皆屬于打地基，最后一步也就是本篇文章講述的內(nèi)容是收獲果實(shí)。）通過數(shù)據(jù)呈現(xiàn)，把分析的結(jié)果完整呈現(xiàn)出來，為決策者提供科學(xué)、嚴(yán)謹(jǐn)?shù)臎Q策依據(jù)，供決策者參考以做出決策。好的數(shù)據(jù)呈現(xiàn)，需要有一個好的方式展現(xiàn)數(shù)據(jù)間的關(guān)系和規(guī)律，讓人一目了然，這是接下來要說的數(shù)據(jù)分析方法。常見的漏斗分析、多維拆解、趨勢分析、對比分析、帕累托分析和交叉分析等。上篇講的數(shù)據(jù)指標(biāo)體系設(shè)計(jì)是從宏觀層面指導(dǎo)如何進(jìn)行數(shù)據(jù)分析，本章講的數(shù)據(jù)分析方法主要從微觀角度指導(dǎo)如何進(jìn)行數(shù)據(jù)分析。從宏觀到微觀是不斷細(xì)化的過程。1.漏斗分析漏斗分析能夠科學(xué)反映用戶行為狀態(tài)，以及從起點(diǎn)到終點(diǎn)各業(yè)務(wù)流程的用戶轉(zhuǎn)化率情況，是一種重要的流程式數(shù)據(jù)分析方法。比如：對于電商產(chǎn)品來說，最終目的是讓用戶購買商品，但整個流程的轉(zhuǎn)化率由每一步的轉(zhuǎn)化率綜合而定。這時(shí)，我們就可以通過漏斗分析模型進(jìn)行監(jiān)測。如下圖所示，我們可以觀察用戶在每一個環(huán)節(jié)上的轉(zhuǎn)化率，尋找轉(zhuǎn)化路徑的薄弱點(diǎn)，優(yōu)化產(chǎn)品，提升用戶體驗(yàn)，最終提升整體的轉(zhuǎn)化率。所有互聯(lián)網(wǎng)產(chǎn)品、數(shù)據(jù)分析都離不開漏斗，無論是注冊轉(zhuǎn)化漏斗，還是電商下單漏斗。需要關(guān)注兩點(diǎn)，第一是關(guān)注哪一步流失最多；第二是關(guān)注流失的人都有哪些行為。轉(zhuǎn)化率最低的環(huán)節(jié)，往往是ROI價(jià)值最大的地方。2.多維拆解我自己本身是做支付業(yè)務(wù)的，日常呈現(xiàn)數(shù)據(jù)最多的形式便是多維拆解。（多維的意思是從多個維度拆解度量指標(biāo)，如果對維度和度量不太了解的可以去看第三部分的內(nèi)容。首先呈現(xiàn)整體支付成功率，其次按照商戶維度分別去看各商戶支付成功率；每個商戶下有很多個國家，再按照國家維度去看支付成功率；每個國家有很多個支付端，再按照各個端維度去看支付成功率；每個端上有很多個支付方式，再按照各支付方式維度去看支付成功率。至此，拆到最小顆粒度。在分析數(shù)據(jù)時(shí)，若整體支付成功率發(fā)生異常，按照此路徑拆解到最小顆粒度的支付方式，基本可以鎖定發(fā)生問題的原因。3.趨勢分析建立趨勢圖表可以迅速了解市場、用戶或者產(chǎn)品特征的基本表現(xiàn)，便于進(jìn)行迅速迭代。趨勢分析通常按時(shí)間維度的小時(shí)\天\周\月看度量指標(biāo)的變化情況（像我每天早上來第一件事是看昨天的支付成功率有無異常）。趨勢分析有兩大作用：趨勢預(yù)測和數(shù)據(jù)監(jiān)測。比如我現(xiàn)在正在做的項(xiàng)目業(yè)務(wù)數(shù)據(jù)監(jiān)控，就是基于支付成功率在過去一段時(shí)間內(nèi)的數(shù)據(jù)表現(xiàn)來預(yù)判當(dāng)前支付成功率是否異常。如下圖中的7月和8月明顯低于其他月份，可判定這兩個月數(shù)據(jù)發(fā)生了異常，需要去尋找原因。4.對比分析同一維度還常常做度量指標(biāo)的對比分析，主要用于對比同維度間的差異性。比如我做支付業(yè)務(wù)，會去對比Top國家的支付成功率，看哪個國家是我重點(diǎn)要關(guān)注的國家。同漏斗分析類似，對比分析也可以快速找出最需要關(guān)注的維度指標(biāo)，把資源用在刀刃上。比如我印象很深，我的leader第一次做數(shù)據(jù)分析報(bào)告時(shí)，按Top國家做了國家維度的對比分析，大家很快知道哪些國家需要花資源重點(diǎn)解決，從此改變大家對支付業(yè)務(wù)